【技术实现步骤摘要】
一种模型训练、三维目标检测方法、装置、设备及介质
[0001]本专利技术实施例涉及图像处理
，尤其涉及一种模型训练、三维目标检测方法、装置、设备及介质。
技术介绍
[0002]三维(3
‑
dimensional，3D)目标检测在无人车/智能驾驶车的自动驾驶系统中占有重要地位，其可以让自动驾驶的车辆准确预判和规划自己的行为和路径，由此能够避免出现车辆碰撞、或是违规等危险状况。
[0003]在此基础上，由于单目相机具有操作便捷和价格低廉的特点，因此，基于单目相机采集到的单目视觉图像进行3D目标检测(即单目视觉三维检测)是经济型的自动驾驶系统的首要选择。
[0004]在实现本专利技术的过程中，专利技术人发现现有技术中存在以下技术问题：现有的基于单目视觉图像实现的3D目标检测方案的检测精度较低。
技术实现思路
[0005]本专利技术实施例提供一种模型训练、三维目标检测方法、装置、设备及介质，以实现高检测精度的3D目标检测的效果。
[0006]第一方面，本专利技术实施例提...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：在深度预测模型训练完成的情况下，获取所述深度预测模型中用于对单目视觉图像进行特征提取的第一特征提取网络，其中，对所述深度预测模型进行训练的第一训练样本包括在同一视角下采集到的所述单目视觉图像和第一深度图像；根据第一特征提取网络的网络参数确定三维原始检测模型中第二特征提取网络的网络参数，其中，所述第二特征提取网络用于对所述单目视觉图像进行特征提取；将所述单目视觉图像和所述单目视觉图像中已知三维目标的目标标注结果作为一组第二训练样本，基于多组所述第二训练样本对所述三维原始检测模型进行训练；在所述三维原始检测模型所对应的目标损失函数满足收敛条件的情况下，将所述三维原始检测模型确定为三维目标检测模型，其中，所述三维目标检测模型用于从所述单目视觉图像中检测出所述已知三维目标。2.根据权利要求1所述的方法，其特征在于，针对每组所述第一训练样本，在所述在深度预测模型训练完成的情况下之前，所述方法还包括：将所述单目视觉图像输入到所述第一特征提取网络中，得到第一特征图；对所述第一特征图进行深度预测，得到第二深度图像；根据所述第一深度图像以及所述第二深度图像，对未训练完成的所述深度预测模型中的所述第一特征提取网络的网络参数进行调节。3.根据权利要求2所述的方法，其特征在于，所述对所述第一特征图进行深度预测，得到第二深度图像，包括：从所述第一特征图中裁剪出第一感兴趣特征图，对所述第一感兴趣特征图进行深度预测，得到第二感兴趣图像；所述根据所述第一深度图像以及所述第二深度图像，对未训练完成的所述深度预测模型中的所述第一特征提取网络的网络参数进行调节，包括：根据所述第一感兴趣特征图在所述第一特征图中的相对位置，对所述第一深度图像进行裁剪操作，得到第一感兴趣图像；根据所述第一感兴趣图像以及所述第二感兴趣图像，对未训练完成的所述深度预测模型中的所述第一特征提取网络的网络参数进行调节。4.根据权利要求3所述的方法，其特征在于，所述三维原始检测模型还包括用于对所述单目视觉图像进行特征提取的第三特征提取网络，针对每组所述第二训练样本，所述基于多组所述第二训练样本对所述三维原始检测模型进行训练，包括：将所述单目视觉图像输入到所述第二特征提取网络中，得到第二特征图，并且将所述单目视觉图像输入到所述第三特征提取网络中，得到第三特征图；从所述第三特征图中裁剪出第三感兴趣特征图；根据所述第三感兴趣特征图在所述第三特征图中的相对位置，对所述第二特征图进行裁剪操作，得到第二感兴趣特征图；根据所述第二感兴趣特征图以及所述第三感兴趣特征图，对所述三维原始检测模型中第一待训练网络的网络参数进行调节。5.根据权利要求4所述的方法，其特征在于，在所述得到第一特征图之后，还包括：对所述第一特征图进行上采样，得到与所述单目视觉图像的尺寸相一致的第一上采样
结果，并根据所述第一上采样结果更新所述第一特征图；在所述得到第二特征图之后，还包括：对所述第二特征图进行上采样，得到与所述单目视觉图像的尺寸相一致的第二上采样结果，并根据所述第二上采...
【专利技术属性】
技术研发人员：董博，
申请(专利权)人：京东鲲鹏江苏科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。